响铃:All in人工智能,联想胜算几何?

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 响铃:All in人工智能,联想胜算几何?

毫无疑问,人工智能正以势不可挡之势在改变我们的生活方式、工作方式,乃至整个社会。如今业界已经将其与第一次工业革命的蒸汽机、第二次工业革命的电力、第三次工业革命的数字化相提并论,称其为第四次工业革命的驱动器。


也正是在这样的大背景下,老牌PC厂商联想在720日的第三届全球创新科技大会(Lenovo Tech World)上挥起AI(人工智能)大旗。这是联想首次对外公布其在AI领域的战略布局和前沿技术探索,也意味着联想希望通过All in人工智能,褪掉自己身上的PC帝国标签,再造一个AI新联想。只是,AI这条路会好走吗?


全面转型人工智能,联想这次动静有点大


总的来说,在人工智能这个领域,联想并不是最早一批迈入的巨头,但却算得上是第一批全面转型,有着背水一战巨大决心的先行者。

或如联想集团董事长兼CEO杨元庆所言:“联想的使命,是要成为这一轮‘由AI驱动的智能变革’的推动者和赋能者,并通过‘设备+云’与‘基础设施+云’模式赋能产业和行业,推动一个充满爱(AI)的时代到来。”这实际是说联想将以巨量设备数据和AI超算力为动力,以智能设备、智能云、智能服务为依托,来全面推动智能制造、智慧医疗和智能交通等产业,以实现自己的人工智能蓝图。


image.png


如果我们再细心看看这次创新科技大会上,联想集团高级副总裁兼首席技术官芮勇博士和联想集团执行副总裁兼中国区总裁刘军的演讲,就能知道联想是从技术和产品两个角度构建自己的人工智能战略。


技术上,也就是三个大方向:智能设备、智能云平台和智能服务。而对应的产品则很多,比如智能设备包括全球首款拥有视觉识别功能的智能音箱SmartCast+、联想自主研发的全球领先的All-in-one混合现实智能眼镜daystAR晨星、可实现“刷脸”查看手机信息的虚拟智能助手CAVA咔哇、智能心电衣Smart Vest等。


智能云平台有与智能远程协同工具AR眼镜daystAR晨星同步推出的daystAR云平台,以及工业、医疗等AR行业解决方案。智能服务则有联想智能服务Smart Service,它基于中国最大的3C产品和相关服务的数据库,以及大数据分析和深度学习技术,可以为客户提供专业级的服务;以及个人电脑智能情境引擎LCE等。


image.png


而这一切,则得益于大数据、计算力和算法这三大要素的联合作用。用联想集团首席技术官、高级副总裁、人工智能专家芮勇博士的说法就是:“算法、大数据和计算力是人工智能三大要素,拿车打比方,算法就像发动机;大数据是油,提供动力;算力就是车轮,驱动车轮前进。这三个要素缺一不可,联想恰巧同时具备了这三个要素”。


高手如林,联想的赛点在哪


对于联想此举,有人赞叹,也会有人会怀疑,但更多的是吃瓜看热闹的心态,响铃就说说自己的想法。


一、人工智能这一仗,联想算是有备而来

兵马未动,粮草先行。在全面布局人工智能的同时,联想早已备好了人工智能发展的“粮草”:服务于算法、大数据及计算力的一系列软硬件及人才储备。具体来说:


1、洞察行业的算法

在人工智能应用过程中,算法能力是与特定垂直行业相结合的。要有好的算法,必须对细化的垂直应用行业有着最充分的了解,才可以有效利用到计算力和大数据。换言之,没有行业经验是做不成优秀的算法的,且只有单个或少数行业经验,全面的人工智能布局也会成为空谈。


联想的业务积累已经天然解决了这个问题,遍布全行业的商业合作伙伴和遍布全国的地理优势,使得联想业务深入到了各个垂直行业,早已在广度和深度上领先了行业。凭借该优势,联想将紧密地同垂直行业结合,能快速提升深度学习算法能力。

此外,优秀的算法与人才素质直接相关,联想在这方面已经有了诸多世界级专家储备,三级研发体系多达上万名研发人员,为算法的技术突破提供了最充足的保证。


2、丰富且精准的大数据

人工智能对数据有两个方面的要求:数据足够丰富,避免统计偏差,保证算法输出的准确性,提升人工智能的拟真性和质量;数据带有标识,精准聚焦于某一行业,越精确人工智能的输出效果越好。

联想在大数据方面优势十分明显。在数据存量上,联想本身就是国内最大的制造企业数据集群,拥有仅次于BAT、超过12PB的数据规模;在数据增量上,每天联想通过全球9个数据中心,超过2000台服务器新增超过30TB的数据来源,处理超过150亿条的数据。

此外,联想的数据根据其服务的丰富行业及企业类型,能够进行丰富的数据属性分类,在数据广度、深度及精确度上都能更好地服务算法。


3、独占鳌头的计算力

在刚刚结束的ISC 2017上,联想以91套高性能计算系统入围全球HPC TOP500份额榜,连续三年获得中国第一,继续蝉联全球第二,这说明联想的计算力不容质疑。

联想计算力优势,还在于分布式系统的时代搭建了足够优秀的计算框架,充分发挥了作为系统厂商在软硬件一体上的能力。联想能提供软硬件全局优化方案,在底层硬件上可以集成GPU/FPGA等算力引擎,在算法框架上支持大规模并行训练的AI平台。

这也是计算力的另一个重要意义:以开放精神,作为各行各业走向智能时代的基础设施。6月联想全球超算峰会上,联想发布了自主研发的全新HPC集群——深腾8810,以及HPC+AI智能超算平台LiCO,是国内率先服务AI企业、提供通用超算平台和端到端解决方案的产品。


由此,联想帝国的全AI生态基础架构形成。在联想的平台上,不同类型的客户都可以接入主流的人工智能框架,集中精力进行AI算法和业务应用研发,并且通过LiCO的任务模板,不论是初学者、专家还是数据科学家,都能够快速上手,平台适配性特别强,AI生态基础夯实。


image.png


二、两个不确定因素

当然,联想此次转型也不是没有风险,其中最大的两个不确定因素是:


1、对手这么多,联想怎么处理

如今只要到达一定体量的智能科技公司都会和人工智能沾点关系,且不说联想需要面对的是谷歌、亚马逊、特斯拉等全球巨头,国内百度、腾讯等都是其强劲的对手。


好消息是为了应付这场硬仗,联想算是做足了功课。“内外皆修 ” 一词或许恰能概括。

对内,联想发挥自己的技术优势,苦练“技能”,且目前有了一定成效,比如联想智能服务Smart Service,作为一个AI客服——联想服务机器人,现在就能承担超过50%的微信服务工作,据刘军介绍,今年9月联想将开通语音机器人服务,预计到2018年年底,联想70%的线上服务将由机器人完成。再比如联想智能情境引擎LCE,可以进行深度学习,从而为客户提供“想你所想”的服务。而且截至目前,联想是全球第一家在个人电脑上应用深度学习技术,并实现产品化的厂商,自主研发的智能情境引擎拥有65项发明专利。


对外,联想则“合纵连横”,携手合作伙伴来加速其人工智能战略的落地。比如在这次Tech World上,联想与京东就启动了大数据战略合作,双方将共同打造AI大数据平台;联想与蔚来汽车也宣布将联合开发智能汽车计算平台,以加速智能汽车商业化。联想还将与迪士尼联合开发《星球大战》为主题的全新AR(增强现实)游戏产品。此外,联想与某钢铁集团、温附医、北京宣武医院、深圳深南大道在智能制造、智慧医疗、智慧城市领域也有深度合作。联想显然很清楚自己的长处与短处,作为人工智能领域的后来者,联想通过借力打力能有效加快自己的步伐,从而建立自己的优势。


image.png


2、行业品类这么多,联想能不能都做好?

从这次发布会来看,联想可是一下子进入了多个细分领域,除了需要面对强大的现有对手,联想还需要面临的另一个考验就是这些细分行业,联想都能玩得转吗?要知道门门都考满分的全能生可不是好当的。


就以智能音箱为例,前已经有亚马逊Echo,谷歌Google Home、苹果的Home Pod等,后更有万千创业者觊觎着,有圈里人士说光在深圳南山区一公里内最少就有100家智能音箱制造商。如此扎堆,大家盯的都是智能家居入口。不过,这对联想来说,或许就是机会与挑战并存,即便是市场已经有这么多智能音箱,但就国内智能音箱市场而言,仍然缺乏一款站得住脚的好产品。在人工智能的其他赛道上,也多是如此,还没有哪家可以说是已经稳操胜券,运筹帷幄,大家基本在同一起跑线上。联想或许就是看到了这个时间窗口还没有关闭才全线进入。


而且,与此同时,在硬件行业摸爬滚打三十年的联想很清楚“隔行如隔山”、“专业有专攻”的道理,所以就行业、品类而言,联想依然发扬其善于博采众长的传统,在利用好自己产品技术底子的同时,很欣然地敞开双臂与各个细分品类的先行者合作。比如其智能音箱内置的语音助理就由图灵机器人提供,这样,联想发挥着自己的硬件优势,图灵机器人将其在语义理解和认知计算领域的长期积累充分释放,就很容易产生1+1>2的化学反应。


image.png


总之,当开放、共享成为当下商业的主旋律,当大家都挤在人工智能的赛道蓄势待发,联想,这条沉睡的巨龙正以自己独特的姿势斗转乾坤。或许,正如其名,联想,在人工智能的新节点上,我们或可以自由“联想”。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
72 11
|
29天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
80 0
|
4天前
|
机器学习/深度学习 数据采集 人工智能
人工智能在农业中的应用:智慧农业的未来
人工智能在农业中的应用:智慧农业的未来
26 11
|
24天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
18天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
170 10
|
26天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
83 9
|
28天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
1月前
|
机器学习/深度学习 数据采集 人工智能
探索人工智能在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,其在医疗领域的应用日益广泛,尤其是在疾病诊断方面展现出巨大的潜力。本文将深入探讨AI技术在医疗诊断中的应用现状、面临的挑战以及未来的发展趋势,旨在为相关领域的研究者和从业者提供参考和启示。
53 2